研究LLM作为数值优化器的能力与局限

2026年10月30日，一项发表于arXiv人工智能板块的研究构建评估框架，考察大语言模型能否作为数值优化器。该框架将解的质量与执行失败（数值误差、约束违反、输出格式错误）区分开，在凸优化、分式规划和约束投影问题上对比LLM与确定性参考求解器。结果显示，LLM能捕捉有用的优化结构并给出近优解，但可靠性随问题维度升高而下降，且强烈依赖问题结构。加入针对可行性与解质量的迭代改进机制后，可靠性显著提升、可处理维度范围扩大，但持续存在的数值与结构错误仍限制其作为独立优化器使用。该研究由Lingyun Guo、Ali Bereyhi发表。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。